Podobnost hlasování

V následující analýze se budeme věnovat otázce, jak se vzájemně podobá hlasování poslanců.

Nastavení prostředí

# Specifické příkazy pro prostředí Google Colab
if 'google.colab' in str(get_ipython()):
        import os, sys
        os.chdir('/content')
        # Stažení knihovny
        ! ls parlamentikon || git clone "https://github.com/parlamentikon/parlamentikon.git" --branch main
        os.chdir('/content/parlamentikon/notebooks')

instalace_zavislosti = True
if instalace_zavislosti:
    ! pip install -r ../requirements.txt 1>/dev/null

instalace_knihovny = False
if instalace_knihovny:
    ! pip install ..  1>/dev/null
else:
    # Přidání cesty pro lokální import knihovny
    import sys, os
    sys.path.insert(0, os.path.abspath('..'))

Import knihoven

from datetime import datetime

import plotly.graph_objects as go

import pandas as pd
import numpy as np

from parlamentikon.Hlasovani import Hlasovani, ZpochybneniHlasovani, HlasovaniPoslanci
from nastav_notebook import nastav_pandas

Parametry

# Data se budou pokaždé znovu stahovat z achivu PS
stahni=True

# Budeme analyzovat poslední volební období
zvolene_volebni_obdobi = None

Načtení tabulek

# Načti souhrnné informace o hlasováních
h = Hlasovani(stahni=stahni, volebni_obdobi=zvolene_volebni_obdobi)
h.head(2)

2021-04-22:03:29:31 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/poslanci.zip'.
2021-04-22:03:29:33 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/hl-2017ps.zip'.

	id_hlasovani	id_organ	schuze	cislo	bod	cas	pro	proti	zdrzel	nehlasoval	...	kvorum	nazev_dlouhy	nazev_kratky	datum	bod__KAT	vysledek	druh_hlasovani	ma_zpochybneni	je_zmatecne	ma_stenozaznam
0	67018	172	1	1	3	13:53:00	191	0	5	0	...	99	Inf. o ustavení volební komise PS a volbě členů	<NA>	2017-11-20 13:53:00+01:00	normální	přijato	normální	False	True	False
1	67019	172	1	2	3	13:53:00	194	0	4	0	...	100	Inf. o ustavení volební komise PS a volbě členů	<NA>	2017-11-20 13:53:00+01:00	normální	přijato	normální	False	False	False

2 rows × 21 columns

# Načti informace o zpochybnění hlasování
zph = ZpochybneniHlasovani(stahni=stahni, volebni_obdobi=zvolene_volebni_obdobi)
zph.head(2)

2021-04-22:03:29:37 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/poslanci.zip'.
2021-04-22:03:29:38 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/hl-2017ps.zip'.

	id_hlasovani	turn	mode	id_h2	id_h3	mode__KAT	je_platne	id_organ	schuze	cislo	...	vysledek__ORIG	nazev_dlouhy	nazev_kratky	datum	bod__KAT	vysledek	druh_hlasovani	ma_zpochybneni	je_zmatecne	ma_stenozaznam
0	55680	67	0	55681	55682	žádost o opakování	True	<NA>	<NA>	<NA>	...	<NA>	<NA>	<NA>	NaT	<NA>	<NA>	<NA>	NaN	NaN	NaN
1	55664	43	0	55665	55666	žádost o opakování	True	<NA>	<NA>	<NA>	...	<NA>	<NA>	<NA>	NaT	<NA>	<NA>	<NA>	NaN	NaN	NaN

2 rows × 30 columns

# Načti informace o hlasování poslanců
hp = HlasovaniPoslanci(stahni=stahni, volebni_obdobi=zvolene_volebni_obdobi)
hp.head(2)

2021-04-22:03:29:42 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/poslanci.zip'.
2021-04-22:03:29:44 WARNING  [Snemovna.py:149] While merging 'funkce' with 'typ_funkce': Dropping ['id_typ_organ__typ_funkce', 'nazev_typ_organ_cz__typ_funkce', 'typ_id_typ_organ__typ_funkce', 'nazev_typ_organ_en__typ_funkce', 'typ_organ_obecny__typ_funkce'] because of abundance.
2021-04-22:03:29:45 INFO     [utility.py:21] Stahuji 'https://www.psp.cz/eknih/cdrom/opendata/hl-2017ps.zip'.

	id_hlasovani	nazev_dlouhy	vysledek	id_poslanec	id_osoba	pred	jmeno	prijmeni	id_klub	nazev_klub_cz	...	cas	datum	bod__KAT	druh_hlasovani	ma_zpochybneni	id_parlament	id_organ	od_klub	do_klub	je_zmatecne
index
0	67018	Inf. o ustavení volební komise PS a volbě členů	ano	1521	5700	Mgr.	Ivan	Adamec	1295	Poslanecký klub Občanské demokratické strany	...	13:53:00	2017-11-20 13:53:00+01:00	normální	normální	False	172	172	2017-10-24 00:00:00+02:00	NaT	True
1	67018	Inf. o ustavení volební komise PS a volbě členů	ano	1522	6254	prof. MUDr.	Věra	Adámková	1292	Poslanecký klub ANO 2011	...	13:53:00	2017-11-20 13:53:00+01:00	normální	normální	False	172	172	2017-10-24 00:00:00+02:00	NaT	True

2 rows × 33 columns

Analýza

volebni_obdobi = h.volebni_obdobi
print(f"Poslanecká sněmovna bude analyzovaná pro volební období {volebni_obdobi}.")

Poslanecká sněmovna bude analyzovaná pro volební období 2017.

Výběr platných hlasování

Přibližná pravidla pro určení platnosti hlasování:

• Hlasování může být označeno jako zmatečné. Zmatečné hlasování je neplatné.
• Hlasování může být zpochybněno.
  • O zpochybnění se může hlasovat.
    • Pokud se o zpochybnění hlasování hlasuje a zpochybnění je přijato, dochází k opakovanému hlasování. Původní hlasování je neplatné.
      • V tabulce ZpochybněníHlasování je uveden identifikátor hlasování o zpochybnění hlasování (id_h2) a identifikátor opakovaného hlasování (id_h3).
      • Hlasování o zpochybnění hlasování lze zpochybnit.
      • Identifikátor opakovaného hlasování označuje první platné hlasování v řadě hlasování.
    • Pokud se o zpochybnění hlasování nehlasuje nebo pokud není zpochybnění hlasování přijato, je v tabulce ZpochybneniHlasování nastaveno 'pouze pro stenozáznam'. Původní hlasování zůstává platné.

def flatten(ary):
    return [x for l in ary for x in l]

# Hlasování o zpochybnění hlasování je možné také zkazit nebo zpochybnit.
# Mezi prvním hlasováním o zpochybnění a opakovaným hlasováním může proběhnout několik dalších zpochybněných nebo neplatných hlasování.
def fce_mezi_hlasovanim_o_zpochybneni_a_opakovanym_hlasovanim_ids(row):
    if pd.isna(row['id_h2']):
        return []
    elif pd.isna(row['id_h3']):
        return []
    else:
        return list(range(row['id_h2']+1, row['id_h3']))

# Příznak 'je_platne' je nastaven tak, aby odstanil duplicity a nekonzistence z tabulky zpochybneni 
zpochybneni = zph[zph.je_platne == True]

mezi_hlasovanim_o_zpochybneni_a_opakovanym_hlasovani_ids = \
    flatten(zpochybneni[zpochybneni.mode__KAT == 'žádost o opakování'].apply(fce_mezi_hlasovanim_o_zpochybneni_a_opakovanym_hlasovanim_ids, axis=1))

hlasovani_o_zpochybneni_ids = h[h.id_hlasovani.isin(zpochybneni.id_h2.unique())]

hlasovani_bez_zmatecnych_a_zpochybnenych = h[~h.je_zmatecne
                     & ~h.id_hlasovani.isin(zph[zph.mode__KAT == 'žádost o opakování'].id_hlasovani)
                     & ~h.id_hlasovani.isin(mezi_hlasovanim_o_zpochybneni_a_opakovanym_hlasovani_ids)
                     & ~h.id_hlasovani.isin(hlasovani_o_zpochybneni_ids)
]

platne_cnt = len(hlasovani_bez_zmatecnych_a_zpochybnenych)
print(f"Za platné lze považovat {platne_cnt} ({100*platne_cnt/len(h):.2f}%) hlasování z {len(h)}.")

Za platné lze považovat 8853 (97.77%) hlasování z 9055.

hlasovani_bez_zmatecnych_a_zpochybnenych.groupby('nazev_dlouhy').size().sort_values()

nazev_dlouhy
Střednědobý výhled státního rozpočtu ČR na léta 2019 a 2020              1
Návrh časového harmonogramu projednávání st. rozpočtu 2019               1
Návrh na jmenování člena Kontrolní rady Grantové agentury ČR             1
Návrh časového harmonogramu projednávání SR 2018                         1
Návrh změny rozpočtu SFRB na rok 2020                                    1
                                                                      ... 
Návrh na vyslovení souhlasu PS s prodloužením doby nouzového stavu     189
Vl.n.z. o státním rozpočtu ČR na rok 2020                              190
                                                                       239
Novela z. o evidenci tržeb - EU                                        857
Pořad schůze                                                          1444
Length: 763, dtype: int64

Podobnost hlasování poslanců

%%time
from collections import OrderedDict

# Vyber jenom platná hlasování
h_platne = hlasovani_bez_zmatecnych_a_zpochybnenych
df = hp[hp.id_hlasovani.isin(h_platne.id_hlasovani)]

# Seřaď osoby podle posl. klubu a vytvoř seznamy výsledků hlasování
data = df[['id_osoba', 'id_hlasovani', 'vysledek', 'zkratka_klub']]\
    .set_index('id_osoba')\
    .sort_values(by=['zkratka_klub'])[['id_hlasovani', 'vysledek']]\
    .groupby('id_osoba', sort=False)\
    .apply(lambda g: dict(map(tuple, g.values))).to_dict(into=OrderedDict) # {id_osoba1: {id_hlasovani1: value1, id_hlasovani2: value2}, ...}

CPU times: user 4.67 s, sys: 160 ms, total: 4.83 s
Wall time: 4.83 s

%%time

def jaccard_similarity(s2, s1):
    intersection = len(s1.intersection(s2))
    union = len(s1.union(s2))
    if union == 0:
        return np.nan
    else:
        return float(intersection) / union

matice_poslanci = {}
pocet_spol_hlasovani = {}
for idx1, osoba1 in enumerate(data.keys()):
    v1 = data[osoba1]
    keys1 = set(v1.keys())
    if osoba1 not in matice_poslanci:
        matice_poslanci[osoba1] = {}
        pocet_spol_hlasovani[osoba1] = {}
    for idx2, osoba2 in enumerate(data.keys()):
        # Využití symetričnosti
        if idx2 < idx1:
            matice_poslanci[osoba1][osoba2] = matice_poslanci[osoba2][osoba1]
            pocet_spol_hlasovani[osoba1][osoba2] = pocet_spol_hlasovani[osoba2][osoba1]
            continue
        v2 = data[osoba2]
        keys2 = set(v2.keys())
        # Najdi všechna společná hlasování
        spol_ids = keys1.intersection(keys2)
        s1 = set([f"{id}_{val}" for id, val in v1.items() if id in spol_ids])
        s2 = set([f"{id}_{val}" for id, val in v2.items() if id in spol_ids])
        similarity = jaccard_similarity(s1, s2)
        matice_poslanci[osoba1][osoba2] = similarity
        pocet_spol_hlasovani[osoba1][osoba2] = len(spol_ids)
        #break
    #break

CPU times: user 2min 34s, sys: 110 ms, total: 2min 34s
Wall time: 2min 34s

# Připrav informace k dané osobě. Informace bereme z posledního záznamu v tabulce HlasovaniPoslanci. V zkratka%klub je poslední klub, do kterého poslanec/kyně patří.
def osoby_data(item):
    return {
        'jmeno_prijmeni': f"{item.jmeno} {item.prijmeni}",
        'zkratka_klub': item.zkratka_klub,
    }

osoby = {id_osoba: osoby_data(
    hp[hp.id_osoba == id_osoba][['jmeno', 'prijmeni', 'zkratka_klub']].iloc[-1])
    for id_osoba in matice_poslanci.keys()}
osoby = pd.DataFrame(osoby).T

osoby['id_osoba'] = osoby.index
osoby['velikost_skupiny'] = osoby.groupby('zkratka_klub').id_osoba.transform(len)
osoby['poradi_v_skupine'] = osoby.groupby('zkratka_klub').cumcount() + 1
osoby['je_na_okraji'] = (osoby.poradi_v_skupine == 1) | (osoby.velikost_skupiny == osoby.poradi_v_skupine)
osoby['je_uprostred'] = osoby.poradi_v_skupine == (osoby.velikost_skupiny/2).astype(int)
osoby

	jmeno_prijmeni	zkratka_klub	id_osoba	velikost_skupiny	poradi_v_skupine	je_na_okraji	je_uprostred
6519	Jan Řehounek	ANO	6519	87	1	True	False
6497	Adam Kalous	ANO	6497	87	2	False	False
6619	Iva Kalátová	ANO	6619	87	3	False	False
6287	Karla Šlechtová	ANO	6287	87	4	False	False
6209	David Kasal	ANO	6209	87	5	False	False
...	...	...	...	...	...	...	...
5926	Jan Chvojka	ČSSD	5926	16	12	False	False
5703	Alena Gajdůšková	ČSSD	5703	16	13	False	False
6200	Milan Chovanec	ČSSD	6200	16	14	False	False
5965	Roman Sklenák	ČSSD	5965	16	15	False	False
5272	Václav Votava	ČSSD	5272	16	16	True	False

219 rows × 7 columns

text = [
    [
        f"{v1.jmeno_prijmeni} ({v1.zkratka_klub})<br>"
            f"{v2.jmeno_prijmeni} ({v2.zkratka_klub})<br>"
            f"Podobnost hlasování: {100*matice_poslanci[v1.id_osoba][v2.id_osoba]:.2f}%<br>"
            f"Počet společných hlasování: {pocet_spol_hlasovani[v1.id_osoba][v2.id_osoba]}"
        for idx2, v2 in osoby.iterrows()
    ] for idx1, v1 in osoby.iterrows()
]

fig = go.Figure(data=go.Heatmap(
        z=pd.DataFrame(matice_poslanci),
        x=osoby.id_osoba.values,
        y=osoby.id_osoba.values,
        text=text,
        colorscale='Viridis',
        hovertemplate="%{text}<extra></extra>"
))

fig.update_layout(
    title=f"Podobnost hlasování poslanců (sněmovna {hp.volebni_obdobi})", 
    width=1000,
    height=1000,
    autosize=False,
    margin=dict(t=150, b=0, l=0, r=0),
    template="plotly_white",
)
fig.update_xaxes(
        type='category', tickangle=-45,
        side='top',
        tickmode='array', ticktext=osoby[osoby.je_uprostred].zkratka_klub, tickvals=osoby[osoby.je_uprostred].id_osoba,
        showspikes=True,
        spikemode='toaxis'
)
fig.update_yaxes(
    type='category', autorange='reversed',
    tickmode='array', ticktext=osoby[osoby.je_uprostred].zkratka_klub, tickvals=osoby[osoby.je_uprostred].id_osoba,
    showspikes=True,
    spikemode='toaxis'
)
fig.show()

Podobnost hlasování dle poslaneckého klubu

matice_kluby = {}
for id_osoba1, values in matice_poslanci.items():
    klub1 = osoby.loc[id_osoba1].zkratka_klub
    if klub1 not in matice_kluby:
        matice_kluby[klub1] = {}
    for id_osoba2, podobnost in values.items():
        klub2 = osoby.loc[id_osoba2].zkratka_klub
        if klub2 not in matice_kluby[klub1]:
            matice_kluby[klub1][klub2] = []
        if pd.isna(podobnost) == False:
            matice_kluby[klub1][klub2].append(podobnost)

matice_kluby_median = pd.DataFrame({ klub1: {klub2: 100*np.median(ary) for klub2, ary in values.items()} for klub1, values in matice_kluby.items()})
matice_kluby_prumer = pd.DataFrame({ klub1: {klub2: 100*np.mean(ary) for klub2, ary in values.items()} for klub1, values in matice_kluby.items()})

fig = go.Figure(data=go.Heatmap(
        z=matice_kluby_median,
        x=list(matice_kluby_prumer.keys()),
        y=list(matice_kluby_prumer.keys()),
        colorscale='Viridis',
        hovertemplate="%{x}, %{y}<br>Podobnost hlasování: %{z:.2f}%<extra></extra>"
))
fig.update_layout(
    title=f"Podobnost hlasování dle poslaneckých klubů (sněmovna {hp.volebni_obdobi})",
    width=700,
    height=700,
    autosize=False,
    margin=dict(t=150, b=0, l=0, r=0),
    template="plotly_white",
)
fig.update_xaxes(
    type='category', tickangle=-45,
    side='top',
)
fig.update_yaxes(
    type='category', autorange='reversed',
)

updatemenus = [{
    'buttons': [
        {'method': 'update', 'label': 'medián', 'args': [{'z': [matice_kluby_median.values]}]},
        {'method': 'update', 'label': 'průměr', 'args': [{'z': [matice_kluby_prumer.values]}]},
    ],
    'direction': 'down',
    'showactive': True,
    'x': 1.1, 'xanchor': 'right', 'y': 1.15, 'yanchor': 'top',
}]

# update layout with buttons, and show the figure
fig.update_layout(updatemenus=updatemenus)

fig.show()

print(f"Poslední běh notebooku: {datetime.now().strftime('%d.%m.%Y %H:%M:%S')}.")

Poslední běh notebooku: 22.04.2021 03:33:06.